Assessment of the content and quality of YouTube videos related zygomatic implants: A content–quality analysis
Notice bibliographique
Résumé
INTRODUCTION: This study aimed to evaluate the content and quality of YouTube videos of zygomatic implants. METHODS: According to Google Trends (2021), "zygomatic implant" was the most preferred keyword related to the topic. Therefore, in this study "zygomatic implant" was used as a keyword for the video search. Demographic characteristics such as the number of views, likes/dislikes, comments, video duration, number of days after upload, uploaders, and target audiences of the videos were evaluated. To evaluate the accuracy and content quality of videos (available from YouTube), the video information and quality index (VIQI) and global quality scale (GQS) were used. Statistical analyses were performed using the Kruskal-Wallis test, Mann-Whitney U test, chi-square test, Fisher's exact chi-square test, Yates continuity correction, and Spearman correlation analysis (p < 0.05). RESULTS: A total of 151 videos were searched; 90 met all inclusion criteria. According to the video content score, 78.9% of the videos were identified as low content, 20% as moderate, and 1.1% as high content. There was no statistical difference between the groups in video demographic characteristics (p > 0.001). Conversely, information flow, accuracy of information, video quality and precision, and total VIQI scores were statistically different between the groups. The moderate-content group had a higher GQS score than the low-content group (p < 0.001). The videos were mainly uploaded (40%) from hospitals and universities. Most videos were targeted toward professionals (46.75%). Low-content videos had higher ratings than the moderate- and high-content videos. CONCLUSIONS: Most YouTube videos on zygomatic implants showed low-content quality. This implies that YouTube is not a reliable source of information on zygomatic implants. Dentists, prosthodontists, and oral and maxillofacial surgeons should be aware of the content of video-sharing platforms and take responsibility for enriching video content.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».